가명정보의 안전성과 유용성을 측정하기 위한 새로운 메트릭에 관한 연구 (A Study on a New Metric for Measuring the Security and Utility of Pseudonymized Data)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 11권 / 4호 / 387 ~ 399페이지
· 저자명 : 김순석

초록

가명처리는 재식별 위험을 최소화하면서 데이터의 유용성을 유지하는 데 널리 사용되는 기술이다. 그러나 가명처리된 데이터셋에서 안전성과 유용성 간의 균형을 평가하는 것은 여전히 중요한 과제로 남아 있다. 본 연구에서는 가명처리된 데이터의 안전성과 유용성을 정량적으로 평가할 수 있는 새로운 지표들을 제안한다. 제안된 지표들은 재식별 위험, 정보 손실, 원본 데이터와의 유사성을 0과 1 사이의 확률 값으로 계량화하여, 데이터 처리자가 직관적으로 해석할 수 있도록 하였다. 특히, 본 연구에서 제안하는 재식별 위험 지표는 기존 방법을 넘어 외부 데이터와의 연계 가능성을 포함하여 보다 포괄적인 안전성 평가가 가능하도록 설계되었다. 이를 통해 실제 환경에서 발생할 수 있는 재식별 위협을 보다 현실적으로 분석할 수 있다. 한편, 유용성 평가는 정보 손실과 원본 유사도를 측정하여 데이터 활용 가능성을 균형 있게 평가할 수 있도록 한다. 이러한 지표들은 기관이나 조직이 가명처리 수준을 조정하고 추가적인 보호 조치의 필요성을 판단하는 데 실질적인 도움을 제공할 수 있다. 또한, 본 연구는 제안된 지표들의 의료, 금융, 공공 행정 등 다양한 분야에서의 적용 가능성을 검토하며, 이를 통해 프라이버시 보호 데이터 처리에서 보다 표준화된 접근 방식을 제공하고자 한다. 향후 연구에서는 실데이터를 활용한 지표의 실증적 검증과 병렬 처리 및 샘플링 기법을 활용한 계산 효율성 향상을 목표로 한다.

영어초록

Pseudonymization is a widely used technique that aims to minimize the risk of re-identification while preserving data utility. However, assessing the trade-off between security and utility in pseudonymized datasets remains a critical challenge. This study proposes a novel set of quantitative metrics to evaluate both the security and utility of pseudonymized data. The proposed metrics quantify re-identification risk, information loss, and similarity to the original dataset, expressed as probability values between 0 and 1, providing an intuitive interpretation for data processors. In particular, the re-identification risk metric goes beyond conventional approaches by incorporating the possibility of external data linkages. This ensures a more comprehensive security assessment, considering real-world re-identification threats. Meanwhile, the utility evaluation metric measures information loss and similarity, enabling a balanced assessment of data usability. These metrics can assist organizations in adjusting the level of pseudonymization and determining whether additional protective measures are necessary. Furthermore, the applicability of the proposed metrics is demonstrated across diverse domains, including healthcare, finance, and public administration. By offering a standardized approach, this study contributes to enhancing decision-making in privacy-preserving data processing. Future research will focus on empirical validation of the proposed metrics using real-world datasets and improving computational efficiency through parallel processing and sampling techniques.

참고자료

· 없음